自適應(yīng)多尺度網(wǎng)絡(luò)理論與應(yīng)用

定　價：￥38.00

作　者：	焦李成、楊淑媛
出版社：	科學(xué)出版社
叢編項：
標(biāo)　簽：	人工智能

購買這本書可以去

ISBN：	9787030216939	出版時間：	2008-01-01	包裝：	精裝
開本：	16	頁數(shù)：	178	字?jǐn)?shù)：

內(nèi)容簡介

　　《自適應(yīng)多尺度網(wǎng)絡(luò)理論與應(yīng)用》從認(rèn)知神經(jīng)科學(xué)出發(fā)，首先闡述了神經(jīng)計算的范疇、基本原理、歷史、發(fā)展與前景，論述了一些經(jīng)典的、目前仍在神經(jīng)科學(xué)研究領(lǐng)域中得到廣泛應(yīng)用的研究技術(shù)，以及一些當(dāng)前正在興起的、已處于應(yīng)用階段或正待完善的新的模型與方法；進而將后子波分析（或第三代子波分析）與神經(jīng)計算相結(jié)合，提出了自適應(yīng)多尺度幾何網(wǎng)絡(luò)的概念，詳細(xì)分析和建立了多種自適應(yīng)多尺度幾何網(wǎng)絡(luò)模型和自適應(yīng)學(xué)習(xí)算法，并且討論了它們在模式識別、函數(shù)逼近、圖像識別與數(shù)據(jù)分類等中的應(yīng)用?！蹲赃m應(yīng)多尺度網(wǎng)絡(luò)理論與應(yīng)用》適合信息與通信系統(tǒng)、電子科學(xué)與技術(shù)、計算機科學(xué)與工程、控制科學(xué)與工程、智能科學(xué)與技術(shù)等領(lǐng)域的研究人員閱讀，也可作為相關(guān)專業(yè)研究生或高年級本科生的參考用書。

作者簡介

　　焦李成，1959年月10出生，教授。1982，1984和1990年于上海交通大學(xué)、西安交通大學(xué)獲學(xué)士、碩士、博士學(xué)位，1990年-1992年在西安電子科技大學(xué)從事博士后研究。1992年6月至今任西安電子科技大學(xué)雷達信號處理國家重點實驗室教授、博士生導(dǎo)師。曾任中華人民共和國第八界全國人大代表。在1996年至2002年期間，曾任西安電子科技大學(xué)研究生部主任、西安電子科技大學(xué)研究生院常務(wù)副院長、西安電子科技大學(xué)學(xué)科辦主任?，F(xiàn)任西安電子科技大學(xué)電子工程學(xué)院院長、西安電子科技大學(xué)智能信息處理研究所所長，2000年至今任西安電子科技大學(xué)特聘教授，校首批創(chuàng)新團隊的首席專家。焦李成現(xiàn)為國務(wù)院學(xué)位委員會學(xué)科評議組成員，教育部本科教學(xué)水平評估專家，IEEE高級會員，中國人工智能學(xué)會常務(wù)理事，中國電子學(xué)會理事，中國神經(jīng)網(wǎng)絡(luò)委員會委員，中國計算機學(xué)會AI與模式識別委員會委員，中國運籌學(xué)會智能計算委員會付主任，《電子學(xué)報》（中、英文版）和《電子與信息學(xué)報》編委。陜西省十大杰出青年之一。

圖書目錄

前言
第1章　緒論
1.1　認(rèn)知神經(jīng)科學(xué)
1.2　神經(jīng)計算
1.2.1　神經(jīng)計算的研究范疇
1.2.2　神經(jīng)計算的歷史與發(fā)展
1.2.3　神經(jīng)計算的幾個重要研究領(lǐng)域
1.3　本書的主要內(nèi)容
參考文獻
第2章　統(tǒng)計學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)模型
2.1　Bayes理論
2.2　單層前饋網(wǎng)絡(luò)和學(xué)習(xí)規(guī)則
2.2.1　感知器訓(xùn)練規(guī)則
2.2.2　線性單元的梯度下降規(guī)則
2.2.3　隨機梯度下降法
2.2.4　線性規(guī)劃方法
2.3　多層網(wǎng)絡(luò)和反向傳播學(xué)習(xí)規(guī)則
2.3.1　反向傳播算法
2.3.2　反向傳播算法性能分析
2.3.3　改進的反向傳播算法
2.4　SRM和SVM網(wǎng)絡(luò)
2.4.1　線性支撐矢量機網(wǎng)絡(luò)
2.4.2　非線性支撐矢量機網(wǎng)絡(luò)
參考文獻
第3章　神經(jīng)計算進展
3.1　Bayes神經(jīng)網(wǎng)絡(luò)
3.1.1　Bayes網(wǎng)絡(luò)
3.1.2　Bayes網(wǎng)絡(luò)推斷
3.1.3　Bayes網(wǎng)絡(luò)學(xué)習(xí)
3.2　正則學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)
3.2.1　具有徑向基穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.2　具有張量穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.3　具有加性穩(wěn)定子的正則網(wǎng)絡(luò)
3.2.4　正則網(wǎng)絡(luò)的Bayes解釋
3.2.5　徑向基神經(jīng)網(wǎng)絡(luò)
3.3　多尺度分析和子波神經(jīng)網(wǎng)絡(luò)
3.3.1　子波理論
3.3.2　多變量函數(shù)估計子波網(wǎng)絡(luò)
3.3.3　正交多分辨子波網(wǎng)絡(luò)
3.3.4　多子波神經(jīng)網(wǎng)絡(luò)
3.4　量子神經(jīng)網(wǎng)絡(luò)
3.4.1　基于量子雙縫干涉實驗的計算模型
3.4.2　具有量子力學(xué)特性的人工神經(jīng)元模型
3.4.3　量子聯(lián)想記憶模型
3.4.4　基于多宇宙觀點的計算模型
參考文獻
第4章　多尺度幾何分析與網(wǎng)絡(luò)
4.1　多尺度分析
4.2　多尺度幾何分析系統(tǒng)中的方向基
4.3　脊波
4.4　曲線波
4.5　輪廓波
4.6　Bandelet
4.7　Beamlet
4.8　Brushlet
4.9　Wedgelet
4.10　多尺度幾何網(wǎng)絡(luò)
參考文獻
第5章　自適應(yīng)脊波網(wǎng)絡(luò)
5.1　引言
5.2　自適應(yīng)連續(xù)脊波網(wǎng)絡(luò)
5.2.1　網(wǎng)絡(luò)模型和算法
5.2.2　網(wǎng)絡(luò)收斂性能分析
5.2.3　實驗和結(jié)果分析
5.3　廣義正則脊波網(wǎng)絡(luò)
5.3.1　網(wǎng)絡(luò)模型和學(xué)習(xí)算法
5.3.2　實驗結(jié)果分析
參考文獻
第6章　方向多分辨脊波網(wǎng)絡(luò)
6.1　引言
6.2　脊波框架
6.3　方向多分辨脊波網(wǎng)絡(luò)
6.3.1　網(wǎng)絡(luò)模型
6.3.2　網(wǎng)絡(luò)隱層節(jié)點數(shù)目的確定
6.3.3　網(wǎng)絡(luò)訓(xùn)練算法
6.4　方向多分辨脊波網(wǎng)絡(luò)的性質(zhì)
6.5　實驗和結(jié)果分析
參考文獻
第7章　線性脊波網(wǎng)絡(luò)
7.1　核光滑方法
7.2　線性脊波模型
7.2.1　線性脊波網(wǎng)絡(luò)
7.2.2　學(xué)習(xí)算法
7.3　實驗和結(jié)果分析
參考文獻
第8章　脊波核函數(shù)網(wǎng)絡(luò)
8.1　引言
8.2　脊波核函數(shù)網(wǎng)絡(luò)
8.3　脊波核函數(shù)網(wǎng)絡(luò)的學(xué)習(xí)算法
8.3.1　最小化平方誤差算法的正則化核形式
8.3.2　基于遺傳算法的方向向量優(yōu)化
8.4　實驗和結(jié)果分析
參考文獻
第9章　曲線波網(wǎng)絡(luò)模型
9.1　引言
9.2　圖像處理中的曲線波變換
9.3　曲線波框架的性質(zhì)
9.4　曲線波網(wǎng)絡(luò)
9.5　實驗和結(jié)果分析
參考文獻
第10章　輪廓波網(wǎng)絡(luò)模型
10.1　輪廓波網(wǎng)絡(luò)模型
10.2　基于子波包分解的輪廓波包
10.3　最優(yōu)輪廓波包
10.4　基于量子遺傳算法的最優(yōu)輪廓波包的構(gòu)造
10.4.1　量子遺傳算法
10.4.2　量子遺傳算法優(yōu)化輪廓波包
10.5　最優(yōu)輪廓波包網(wǎng)絡(luò)
10.6　實驗和結(jié)果分析
參考文獻